由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]机器学习导论卢官明 著9787111685111
¥ ×1
前言章机器学习概述11.1机器学习的概念与基本术语11.2人工智能、机器学习、深度学习三者的关系61.3机器学习的三个基本要素111.4机器学习模型的分类161.5数据预处理241.6模型选择与评估291.7小结431.8习题43第2章回归模型452.1线性回归452.2多项式回归532.3线性回归的正则化——岭回归和套索回归542.4逻辑斯谛回归582.5 Softmax回归612.6小结632.7习题64第3章 k-最近邻和k-d树算法663.1 k-最近邻法663.2 k-d树703.3小结753.4习题76第4章 支持向量机774.1统计学习理论基础774.2支持向量机的基本原理和特点844.3线性SVM904.4基于核函数的非线性SVM954.5多分类SVM964.6支持向量机的训练1004.7小结1044.8习题105第5章 贝叶斯分类器与贝叶斯网络1065.1贝叶斯方法1065.2贝叶斯分类器1135.3贝叶斯网络1195.4小结1285.5习题129第6章 决策树1306.1概述1306.2决策树学习1346.3特征(或属性)选择1356.4 ID3算法1446.5 C4.5算法1456.6CART算法1466.7决策树的剪枝1496.8决策树的优缺点1506.9小结1516.10习题151第7章 集成学习1537.1集成学习概述1537.2 AdaBoost算法1597.3梯度提升决策树(GBDT)1607.4随机森林和极端随机树1637.5小结1667.6习题168第8章 聚类1698.1聚类概述1698.2 k-均值算法1758.3 BIRCH算法1788.4基于密度的聚类算法1838.5小结1908.6习题191第9章 深度学习1929.1人工神经网络基础1929.2卷积神经网络2079.3循环神经网络2189.4生成式对抗网络2269.5小结2389.6习题239附录 缩略语英汉对照240参考文献242
本书深入浅出地介绍机器学习的基本概念、基础知识和基本原理,不涉及太多、太难的数学知识,用通俗易懂的语言阐述机器学习的理论基础,让读者透彻理解机器学习方法和原理。在实用性方面,基于机器学习的理论基础,结合实例介绍机器学习经典算法,旨在培养学生的计算思维能力,使读者从理论基础和实际应用两个层面全面掌握机器学习的核心技术,知其然且知其所以然,培养学生解决实际问题的能力。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格